新框架让 DeepSeek 超越 Claude，成本仅 1/11
Azaliamirh · x · 2026-08-18
LLM-as-a-Verifier 框架通过自验证机制显著提升模型表现。在 Terminal-Bench 2.1 上，使用 DeepSeek V4 Flash 采样 5 个解并用该框架排序，准确率从 79% 提升至 88%，超越 Claude Fable 5，且成本仅为竞品的 1/4 到 1/11。该框架已开源，支持无需额外训练的细粒度反馈。
所属事件:DeepSeek V4 Flash 自验证 scaling 以 1/11 成本胜 Claude Fable 5(5 条相关)→
「编程与Agent」频道最新
- 吐槽:编码 agent 动辄开出 3 个堆叠 PR,合并体验太糟 — holdenmatt · 2026-10-16
- Google 团队用序列拍卖构建去中心化 LLM 多智能体工作流 — _onionesque · 2026-10-16
- OpenAI 数学模型发布后,GitHub 众人协作压低整数乘法 kappa — xennygrimmato_ · 2026-10-16
- 开发者发布 Pattern MCP:让编码 agent 先查现有组件再动手 — DonR954 · 2026-10-16
- 纯光线投射实现零关键帧蜘蛛,地面墙壁天花板无缝爬行 — yshan2u · 2026-10-16
- OpenCode v1.19.2 发布：1.x 用户不再被误推 2.x 升级 — opencode-agent[bot] · 2026-10-16